Met de opkomst van dingen zoals chatbots, kunstmatige intelligentie (AI), interactieve spraakresponse en machine learning blijven nieuwe technologieën de contactcenterindustrie verstoren. Deze vooruitgangen voeden vaak de vrees dat automatisering op een dag mensen zal vervangen. Om de hype te ontleden en de echte kansen rond AI te verkennen, heb ik samengewerkt met Customer Contact Central om AI in cloudoplossingen te bespreken. Toegang tot het opgenomen webinar hier of lees hieronder een samenvatting van hoe klantenserviceteams realistisch over AI moeten denken, compleet met vijf vragen die aan leveranciers moeten worden gesteld bij het evalueren van AI-oplossingen.

Realiteit vs. hype in kunstmatige intelligentie

Wat bedoelen we precies met kunstmatige intelligentie? Er zijn veel gespecialiseerde velden binnen de bredere categorie van AI en we zien vaak verwarring over wat elk veld eigenlijk dekt. Allereerst is AI een subset van computerwetenschap. Het richt zich op het integreren van gesimuleerde menselijke intelligentie in machines. Onder de paraplu van AI vallen machine learning (ML), natuurlijke taalverwerking (NLP) en deep learning (DL).

Machine learning verwijst naar technieken die machines leren van data en die kennis gebruiken om waarde terug te geven aan de eindgebruiker. NLP houdt in dat machines de betekenis van natuurlijke taal "begrijpen", inclusief de intentie van de woorden die mensen gebruiken om met elkaar te communiceren. Deep learning betreft algoritmen die geïnspireerd zijn op de structuur van de menselijke biologische hersenen. DL heeft recent veel opwinding veroorzaakt omdat het de dichtstbijzijnde machine-equivalent is voor het simuleren hoe de hersenen daadwerkelijk werken.

Dus nu we AI hebben gedefinieerd, waar staan we met deze technologie?

AI is al lange tijd "De Volgende Grote Dingen". Sinds de opkomst van computing is het uiteindelijke doel altijd geweest om een technologie te creëren die geavanceerd genoeg is om als gelijke van mensen te functioneren. AI heeft zoveel ups en downs gehad dat we deze trends "seizoenen" noemen. Wanneer de dingen goed gaan, noemen we het een 'AI-lente'. En wanneer de dingen niet zo goed gaan, is het een 'AI-winter'. Op dit moment zitten we in een AI-lente.

Na de laatste enorme verschuiving in technologie - cloudcomputing - zijn de benodigde gegevens en verwerkingskracht om AI te laten werken nu gemakkelijker toegankelijk en betaalbaarder dan ooit. Het was vroeger aan bedrijven om hun eigen omgevingen te bouwen voor het opslaan van de enorme hoeveelheden gegevens en de verwerkingskracht die nodig zijn om AI te faciliteren, maar de vooruitgang in cloudcomputing heeft het mogelijk gemaakt om AI gemakkelijker te laten functioneren. Nu zien we de grote spelers in cloudcomputing - Amazon, Google, Microsoft - niet alleen de daadwerkelijke verwerkingskracht en gegevens van cloudcomputing bieden, maar ook AI-diensten. Bedrijven kunnen deze technologieën nu gebruiken en benutten om AI-gedreven oplossingen samen te stellen.

Verbeterde gebruikerservaring voor bedrijven (UX) en gebruiksvriendelijke interfaces hebben ook de groei van AI exponentieel verhoogd. Hoe gemakkelijker software te gebruiken is, hoe meer gegevens het genereert. En hoe meer gegevens er kunnen worden benut om AI te trainen, hoe beter de oplossing. Bedrijfsoftware heeft onlangs een consumerisatie ondergaan: de software die we op het werk gebruiken, wordt net zo plezierig als de software die we in ons persoonlijke leven gebruiken. Het idee dat UX een kernfocus in bedrijfsoftware is, heeft geholpen deze technologie vooruit te duwen en veel opwinding te genereren.

Met opwinding komt hype

Gezien alle opwinding rond AI is het belangrijk om vast te stellen wat precies mogelijk is met deze technologie. Gartner publiceert wat zij een "Hype Cycle" noemen die technologie trends in kaart brengt om te laten zien welke opkomende technologieën het meest gehyped zijn. Hype groeit naarmate oplossingen de Hype Cycle opstijgen, dan piekt bij het Peak of Inflated Expectations, en vervolgens zakt het weer wanneer technologie onvermijdelijk aan hype verliest en in de Trough of Disillusionment terechtkomt. Het einddoel is om de curve te overstijgen en de Slope of Enlightenment op te klimmen naar de Plateau of Productivity.

Sommige technologieën vallen van de Cycle af en maken nooit de laatste curve omhoog, maar velen doen dat. Het hierboven genoemde voorbeeld is de laatste iteratie van de Hype Cycle en heeft zeer gehypte deep learning aan de top. In 2009 stond cloudcomputing bovenaan de Cycle. We zagen hetzelfde gedrag toen als we nu zien, dus het is interessant om dat te vergelijken met de meest gehypte technologieën van vandaag.

Wanneer een technologie overmatig gehyped wordt, zien we allerlei bizarre artikelen geschreven en onheilspellende films gemaakt erover. Tussen shows zoals Westworld en artikelen die beweren dat AI binnenkort betere romans zal schrijven dan mensen, is de manier waarop AI in de media en popcultuur wordt afgebeeld vaak verwarrend en speelt het in op de angsten van wat er mis kan gaan als het ontspoort. Er is een zeer reële en wijdverspreide angst dat AI een bedreiging voor de mensheid vormt.

Een veelvoorkomende manifestatie van deze angst is dat klantenserviceteams zich afvragen of ze hun baan aan machines gaan verliezen. Alle praatjes over AI die mensen vervangen en processen automatiseren, missen de echte kans van hoe AI transformatief kan zijn.

De echte kans voor AI in contactcenters

Veel technologie die in de werkomgeving wordt aangenomen, is traditioneel toegepast als manieren om geld te besparen. Als bedrijven maken we gevallen om technologie te kopen op basis van potentiële kostenbesparingen. Maar in het geval van AI worden veel van deze gevallen gemaakt op basis van potentiële omzetverhogingen in plaats daarvan. Bedrijven vragen zich niet af hoe AI hen geld kan besparen, maar hoe AI hen kan maken van geld. Hoe kan AI klantenservicemedewerkers helpen meer klanten van gratis plannen naar betaalde plannen te converteren? Hoe kan AI klanten helpen producten beter te begrijpen zodat ze hun abonnement verlengen?

Het is een echt interessante herschikking, deze verschuiving van kostenbesparing naar omzetgeneratie. Dat maakt een mooie overgang naar het klantenserviceveld dat een soortgelijke verschuiving maakt van kostenplaats naar een omzetcentrum.

Klantenservice transformeert van een kostenplaats naar een omzetcentrum

Klantenserviceteams hebben de meest duurzame relaties met klanten, lang nadat de verkoop de deal heeft gesloten en verder is gegaan, dus hoe kunnen we hen helpen betere gesprekken te voeren en betere relaties met die klanten te hebben? Ondanks die nauwe relaties, is een onevenredig deel van het AI-gesprek van toepassing op oplossingen die de klantenserviceagent van rechtstreeks contact met klanten verwijderen in plaats van hen dichter bij elkaar te brengen.

4 soorten AI voor CX

Deflectie verwijst naar het onderscheppen van klanten die contact opnemen met eenvoudige, herhaalde vragen en ze beantwoorden voordat ze ze zelfs maar hoeven te stellen. De technologie voorkomt dat een interactie met een ondersteuning agent daadwerkelijk plaatsvindt. Dit is een kostenbesparende aanpak, geen omzetgenerator.

Bots simuleren menselijke klantenservice-ervaringen. Maar bewust van de klantbeleving denk ik dat de beste botontwerpen duidelijk maken dat het een bot aan de andere kant van de lijn is. Goede bots proberen niet mensen te simuleren, ze vergroten de wachttijd en bieden waarde.

Verwerking of workflow AI is meestal gericht op de agent. Deze oplossingen richten zich op het identificeren en verlichten van veelvoorkomende pijnpunten. Als mens is het moeilijk om te pinpointen waar klanten meestal vastlopen, omdat het inhoudt dat je alle tickets indexeert, categoriseert, onderwerpen, trends en sentimenten identificeert. Machines zijn beter in het groeperen en analyseren dan mensen, dus daar komt verwerkings-AI vaak om de hoek kijken.

Coaching AI richt zich ook op de agent in plaats van op de eindklant. Dit type AI is bedoeld om mensen te helpen en te empoweren om beter in hun werk te zijn. Het is bedoeld om agents te helpen betere gesprekken met klanten te hebben, zodat ze meer tijd kunnen besteden aan het creëren van white-glove ervaringen in plaats van rond te zoeken naar antwoorden op vragen. Coaching is de manier waarop wij bij Guru denken over en AI leveren. Mensen empoweren is een geweldige manier om op de lange termijn waarde te creëren voor klantenserviceteams. Deze AI-technologie is 100% gericht op het helpen van iemand beter te zijn in plaats van hen te automatiseren.

Top 5 vragen om te stellen aan uw AI-leveranciers

Bij het overwegen van een nieuwe AI-oplossing is het belangrijk om ervoor te zorgen dat het initiatief dat je overweegt in lijn is met wat nodig is om je succesvol op te stellen. Hier zijn vijf overwegingen om in gedachten te houden, samen met vragen die je aan leveranciers kunt stellen tijdens de evaluatiefase.

1. Welke indicatoren zouden we verwachten dat uw oplossing verbetert?

Pas op voor de "Jack of All Trades." Een fout die sommige AI-systemen maken, is dat ze te veel willen doen. De AI-systemen van vandaag hebben alleen de capaciteit om zoveel te doen, wat het super belangrijk maakt dat ze zich heel goed richten op het oplossen van specifieke problemen. De trainingsdata die een AI-systeem gebruikt om zijn suggesties te doen, is direct gerelateerd aan zijn succes. Als je probeert drie of vier zakelijke problemen op te lossen met één AI-systeem en één set trainingsgegevens, zou je mediocere resultaten moeten verwachten.

De vraag die je moet stellen om tot de kern van dit probleem te komen is "Welke indicatoren zouden we verwachten dat uw oplossing verbetert?" Je moet de uiteindelijke uitkomst filteren en hoe die zal worden verbonden met de indicatoren die je gebruikt om prestaties te meten. Je wilt hier een specifiek antwoord; wees wantrouwig tegenover elke oplossing die claimt zeven of acht dingen tegelijk op te lossen. Als een oplossing specifiek richt op een bepaald resultaat, geeft dat je een grote kans op succes. Investeer in AI-producten die zich richten op het oplossen van duidelijke problemen met toegang tot waardevolle data om van te trainen.

2. Wat zullen onze klanten ervaren?

Geef uw agents en uw klanten kracht. Welk AI-systeem je ook overweegt, focus dan sterk op de eindklantbeleving. Forrester heeft een rapport dat de risico's bespreekt waarmee bedrijven worden geconfronteerd door klantenverkeer (chat, telefoongesprekken) te veel naar AI-systemen te sturen in plaats van naar mensen, in een race om geld te besparen. Door dit te agressief te doen, lijden bedrijven aan klanttevredenheid. Je wilt dat AI je helpt geld te besparen en omzet te genereren, maar je wilt dat zeker niet ten koste van de klanttevredenheid.

Door te vragen "Wat zullen onze klanten ervaren?", kun je bepalen of een oplossing in lijn is met hoe je denkt over het bieden van een geweldige klantbeleving. Wat je eindklant gaat zien bij interactie met een systeem moet je primaire zorg zijn.

3. Hoe leert jouw AI-oplossing in de loop van de tijd en verbetert deze?

Pas op voor de "geheime saus"-ers. Transparantie is belangrijk. Leveranciers zouden duidelijk en direct moeten zijn over welke gegevens ze verzamelen en waarom. AI-systemen zijn gebouwd op gegevens die je aan hen zult geven, dus het is super belangrijk dat elke AI-leverancier je precies vertelt welke gegevens ze zullen gebruiken om zichzelf te trainen, hoe die gegevens worden opgeslagen en hoe lang die gegevens worden opgeslagen.

Door te vragen "Hoe leert jouw AI-oplossing in de loop van de tijd en verbetert deze?" krijg je een idee van de datasets die je AI-provider van jou nodig zal hebben om zijn werk te doen.

4. Hoe houden we onze kennis up-to-date en accuraat?

AI zonder actuele kennis zal falen in contactcenters. Dit heeft te maken met het concept van de jack-of-all-trades. Wanneer je denkt aan de kennis die in jouw omgeving zit, is het de encapsulatie van de knowhow van jouw onderwerpsexperts, van jouw producten, van jouw systemen en processen, en hoe al die dingen samenwerken. Elke AI die gebruik maakt van die knowhow moet een manier hebben om je te verzekeren dat die kennis accuraat en up-to-date blijft.

Er is een concept in AI dat de gesloten lus heet. In de loop van de tijd zullen de kennis en dingen die jouw AI-systemen trainen veranderen omdat jouw producten veranderen; en de technologie waarvan je producten afhankelijk zijn zal veranderen; en nieuwe concurrenten komen op de markt en je moet je aan hen aanpassen; en naarmate je team groeit, verandert de manier waarop je ondersteuning biedt. Met al die onvermijdelijke verandering wil je niet dat een AI-systeem een goede gesloten lus mist om zijn leren te evolueren. Je zult voorbeelden hiervan zien wanneer AI-systemen na verloop van tijd verouderde informatie beginnen terug te geven. Wanneer het systeem de kwaliteit van de output vermindert, is dat een belangrijke indicator dat het niet leert en evolueert met jouw organisatie.

Het probleem is dat je dit misschien niet ziet totdat een paar maanden verstreken zijn wanneer de kennis begint te verslechteren. Dus een geweldige vraag om vooraf te stellen is "Hoe houden we onze kennis up-to-date en accuraat?"

5. Hoe zal uw oplossing onze agents beter maken in hun werk?

AI zou mensen moeten ondersteunen, niet vervangen. Vergeet niet te vragen “Hoe zal uw oplossing onze agents beter maken in hun werk?” om te achterhalen wat de onmiddellijke gevolgen van die AI-oplossing voor uw bedrijf zullen zijn. In de loop van de tijd zullen er diepgaande kansen zijn om taken te automatiseren, maar voor nu is het belangrijk om een antwoord te krijgen op deze vraag dat geen loze beloftes bevat. Termen zoals “automatisering” en “virtuele agent” geven doorgaans aan dat AI-oplossingen minder directe, praktische toepassingen hebben.

Want nogmaals, het is nog relatief vroeg. AI is diepgaand in lange termijn capaciteiten en impact, maar het is nog een lange weg te gaan naar het begrijpen van dingen zoals empathie. Als u een AI-systeem rechtstreeks voor uw klanten plaatst wanneer ze van streek zijn, zal een machine de situatie niet verbeteren. Dit zijn de soorten vragen die ervoor zorgen dat u nadenkt over de uitkomst van het product op de best mogelijke manier.

Laatste gedachten

Net als cloud computing daarvoor is AI transformerend, niet alleen voor bedrijven, maar voor alle mensen. Hoewel de hype enorm is, en veel mensen de mogelijkheden ervan verkeerd voorstellen, zijn er echte voordelen te behalen vandaag als u zich richt op de juiste resultaten. In plaats van te denken aan AI als “ons wegautomatiseren,” en uiteindelijk deze superieure klasse van machines te creëren, wat als we in plaats daarvan spraken over AI die ons helpt te groeien? AI helpt ons verbeteren als mensen, zowel persoonlijk als professioneel? Dat is de mindsetverandering die we moeten maken die echt opwindend zal zijn wat mogelijk is met deze technologie.

Voor meer informatie over het gebruik van AI om mensen in uw contactcentrum en in heel uw organisatie te ondersteunen (en Guru’s antwoorden op deze vijf vragen), neem contact op met info@getguru.com.